Lessons Learned W23

Rahmenbedingungen

• Vorlesung: Flipped-Classroom (Videos+Skript, Sprechstunden mit Fallstudien)
• Praktikum:
  • 10 Aufgabenblätter mit Diskussion und Testat (FHB) / Bonuspunkte (TDU)
• Note: 1x schriftliche Prüfung
• Gemeinsame Durchführung für FHB/TDU (VL/Sprechstunde)
• Discussion im Repo für Ankündigungen etc.

What went well

• Videos über YouTube
• Skript (Webseite) wurde positiv angenommen
• Testat im Praktikum hat gut funktioniert - viele interessante und stressfreie Diskussionen (HSBI)
• Aufgabe mit Datensatz und Analyse kam gut an (trotz Kritik vom letzten Jahr bzgl. "zu viel Programmieren")
• Aufgabe zum Perzeption/MLP (Webseite "Tensorflow Playground") kam gut an (9.1 und 9.3 liefen super; 9.2 kann eigentlich weg)
• 10.2 hat viele Diskussionen angeregt, 10.3 war generierter Code (kein Verständnis); 10.1 wurde nicht gemacht

What could've gone better

• Vorlesung/Sprechstunde wurde nur von ca. 10..12 Personen besucht
• Bereitschaft an aktiver Teilnahme hat abgenommen, sowohl bei Vorbereitung auf Sitzung als auch bei Fallbeispielen in Sitzung
• Bonuspunkte (10%) haben nicht richtig motiviert (TDU) (W22: bei 20% Bonus war die Beteiligung an der Übung deutlich höher)
• Praktikum: Handsimulationen teilweise zu lang (Entscheidungsbäume), Werte aus Formeln zu "frickelig" (Aktivierungsfunktion in 10.2)

What could we do (differently) next time

• Skript/Webseite:
  • Case Studies erweitern
  • Themen ergänzen: LLM, Logik/Prolog, Einführung mit Blick auf adaptive und nicht-adaptive Modelle
  • Dark-Mode funktionsfähig machen (Bilder abdunkeln oder als invertierte Variante, CSS für Kästchen anpassen)
  • PDF-Version des Skripts (auch Einbinden der Attachments/handschriftliche Notizen)
• Vorlesung und Praktikum/Übung:
  • Praktikum: Peer-Feedback-Kriterien (extra Fragen auf Übungsblatt?) vorgeben für Diskussion unter den Studis (wie "abholen"?)
  • Praktikum: Handsimulationen noch relevant? -> mehr "echte" theoretische Aufgaben, und mehr Arbeiten mit kleinen realen Problemen (?)
  • 10.2: einfache Aktivierungsfunktion (Quadrat o.ä. - leicht abzuleiten, Formeln für Update nicht im Skript: selbst ausrechnen als Ersatz für 10.1)
  • Praktikum: Schreibweise $w_0$ vs. $b$ und Einbeziehung in Gewichtsupdates
  • Praktikum: "amtliche" (richtige) Lösung gemeinsam erarbeiten
  • Praktikum ala "AoC": 1 Stern für Hausaufgabe (mit Feedback), in Übung besprechen, in Übung darauf aufbauende Aufgabe (2. Stern)
• Zeitlich umplanen: Einstieg Überblick/Modellierung, DTL, Perzeptron/MLP und dann Games, CSP, GA, Suche (Themen nach Weihnachten kommen immer kaum noch an - bei Suche wäre das ein einfacheres Thema; zusätzlich gute Vorbereitung für paralleles ML-Modul)

---

Vorlesung weiterhin im Co-Teaching

Mögliche Szenarien im Praktikum:

• Eine gemischte Gruppe anbieten, sonst nur TDU/nur FHB
• Keine gemischten Praktikumsgruppen - Postersessions gemeinsam (analog zur Kooperation mit Edmonton)

Praktikum: Hausaufgabe (1. Stern), Upload ILIAS, Peer-Feedback (2. Stern). Übung: Vorstellung und Diskussion der Lösung, ggf. Erarbeiten einer korrekten Lösung; aufbauende Aufgabe (3. Stern) in Kleingruppen mit gemeinsamer Auswertung